[发明专利]用于模型自适应的方法、设备和程序产品

权利要求书

1.一种用于模型自适应的方法，包括：

在第一计算设备处，从数据采集器接收待分析数据集；

利用被部署在所述第一计算设备的机器学习模型来确定所述待分析数据集的异常性；

基于所确定的所述待分析数据集的异常性，将所述待分析数据集中的至少部分数据传输给第二计算设备以用于对所述机器学习模型进行更新，所述第二计算设备具有比所述第一计算设备更高的计算能力；以及

从所述第二计算设备获得对经更新的所述机器学习模型的重新部署。

2.根据权利要求1所述的方法，其中所述第一计算设备与所述数据采集器的通信速度高于所述第二计算设备与所述数据采集器的通信速度。

3.根据权利要求1所述的方法，其中将所述待分析数据的至少一部分提供给所述第二计算设备包括：

将所述待分析数据集中被确定为正常的数据提供给所述第二计算设备。

4.根据权利要求1所述的方法，还包括：

在提供对所述待分析数据集中的数据的异常性的指示后，丢弃所述待分析数据集中被确定为异常的数据。

5.根据权利要求1所述的方法，其中所述第一计算设备为边缘计算节点，并且所述第二计算设备被包括在云计算架构中，并且

其中所述数据采集器包括物联网(IoT)中的传感器。

6.一种用于模型自适应的方法，包括：

在第二计算设备处，将已训练的机器学习模型部署到第一计算设备，所述机器学习模型被配置为确定来自数据采集器的待分析数据集的异常性，并且所述第二计算设备具有比所述第一计算设备更高的计算能力；

从所述第一计算设备接收所述待分析数据集中的至少部分数据；

基于接收到的数据来更新所述机器学习模型；以及

将经更新的所述机器学习模型重新部署到所述第一计算设备。

7.根据权利要求6所述的方法，其中接收所述待分析数据集中的至少部分数据包括：

从所述第一计算设备接收所述待分析数据集中被所述机器学习模型确定为正常的至少部分数据。

8.根据权利要求7所述的方法，其中更新所述机器学习模型包括：

获得与接收到的所述数据相关的标签，所述标签指示所述数据正常或是异常；以及

基于接收到的所述数据和所述标签来更新所述机器学习模型。

9.根据权利要求6所述的方法，其中所述第一计算设备与所述数据采集器的通信速度高于所述第二计算设备与所述数据采集器的通信速度。

10.根据权利要求6所述的方法，其中所述第一计算设备为边缘计算节点，并且所述第二计算设备被包括在云计算架构中，并且

其中所述数据采集器包括至少一个物联网(IoT)设备。

11.一种电子设备，包括：

至少一个处理器；以及

存储有计算机程序指令的至少一个存储器，所述至少一个存储器和所述计算机程序指令被配置为，与所述至少一个处理器一起，使得所述电子设备执行动作，所述动作包括：

从数据采集器接收待分析数据集；

利用被部署在所述电子设备的机器学习模型来确定所述待分析数据集的异常性；

基于所确定的所述待分析数据集的异常性，将所述待分析数据集中的至少部分数据传输给另一电子设备以用于对所述机器学习模型进行更新，所述另一电子设备具有比所述电子设备更高的计算能力；以及

从所述另一电子设备获得对经更新的所述机器学习模型的重新部署。

12.根据权利要求11所述的设备，其中所述电子设备与所述数据采集器的通信速度高于所述另一电子设备与所述数据采集器的通信速度。